CN111435474A - 优化零件提取清单和路线的方法、系统和计算机可读介质 - Google Patents
优化零件提取清单和路线的方法、系统和计算机可读介质 Download PDFInfo
- Publication number
- CN111435474A CN111435474A CN201911346093.2A CN201911346093A CN111435474A CN 111435474 A CN111435474 A CN 111435474A CN 201911346093 A CN201911346093 A CN 201911346093A CN 111435474 A CN111435474 A CN 111435474A
- Authority
- CN
- China
- Prior art keywords
- workers
- frequent
- shelf
- deployment plan
- shelves
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004519 manufacturing process Methods 0.000 claims abstract description 46
- 238000005457 optimization Methods 0.000 claims abstract description 40
- 238000012986 modification Methods 0.000 claims abstract description 8
- 230000004048 modification Effects 0.000 claims abstract description 8
- 238000012163 sequencing technique Methods 0.000 claims abstract description 8
- 238000007726 management method Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000012384 transportation and delivery Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 5
- 238000007670 refining Methods 0.000 claims description 4
- 238000013439 planning Methods 0.000 description 22
- 238000012800 visualization Methods 0.000 description 15
- 241000196324 Embryophyta Species 0.000 description 9
- 230000015654 memory Effects 0.000 description 9
- 238000003860 storage Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005065 mining Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 241000219307 Atriplex rosea Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011263 association rule mining technique Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
优化零件提取清单和路线的方法、系统和计算机可读介质。本文所描述的示例实现方式涉及一种用于工人分派系统的接口,其被配置为在制造车间为工人分派路线和时间表。示例实现方式可涉及一种系统,其被配置为:对多个工人中的每一个执行批次排序和路线优化;针对各个工人确定所述多个货架的货架放置和总行进距离;根据批次排序、路线优化、货架放置和总行进距离为各个工人生成部署计划,该部署计划包括各个工人的提取路线和时间表;将部署计划提供给接口,该接口被配置为接收对部署计划的修改;并且在通过接口接收到对部署计划进行部署的指令时,将部署计划提供给各个工人的装置。
Description
技术领域
本公开总体上涉及制造环境,更具体地,涉及生成优化自动零件提取清单。
背景技术
在现有技术中,制造环境需要基于用于生产的产品需求和产品类型的改变来改变工作程序和设置。这种频繁改变在资源重新组织和工人适应改变的额外时间方面花费高,并且使得难以响应新的改进活动或环境改变快速地发出高效工作指令。
发明内容
本文所描述的示例实现方式涉及一种人工智能(AI)驱动的方法,其使用由工作系统收集的来自日常工作的数据,以依据优化零件提取清单和路线发出适当工作指令。现有制造工作流程利用由管理者针对工人要提取以交付至组装线的项创建的人工清单(例如,这种人工清单具有要提取的项的随机顺序、不固定的路线和不固定的时间表)。示例实现方式涉及通过为最优提取路线利用基于频繁模式挖掘和旅行推销员算法的解决方案来生成优化自动零件提取清单,并且经由交互可视化合并领域知识和不同的制造约束以进行实时自适应决策,从而改进制造效率。
本公开的各方面涉及一种方法,该方法可包括以下步骤:在包括多个货架和多个批次的制造车间上对多个工人中的每一个执行批次排序和路线优化;针对多个工人中的每一个确定货架放置和总行进距离;根据批次排序、路线优化、货架放置和总行进距离生成多个工人中的每一个的部署计划,该部署计划包括多个工人中的每一个的提取路线和时间表;将部署计划提供给接口,该接口被配置为接收对部署计划的修改;以及在通过接口接收到对部署计划进行部署的指令时,将部署计划提供给多个工人中的每一个的装置。
本公开的各方面涉及一种非暂时性计算机可读介质,其存储用于执行处理的指令,该处理可包括:在包括多个货架和多个批次的制造车间上对多个工人中的每一个执行批次排序和路线优化;针对多个工人中的每一个确定货架放置和总行进距离;根据批次排序、路线优化、货架放置和总行进距离生成多个工人中的每一个的部署计划,该部署计划包括多个工人中的每一个的提取路线和时间表;将部署计划提供给接口,该接口被配置为接收对部署计划的修改;以及在通过接口接收到对部署计划进行部署的指令时,将部署计划提供给多个工人中的每一个的装置。
本公开的各方面涉及一种管理系统,该管理系统包括处理器,该处理器被配置为:在包括与多个货架关联的多个批次的制造车间上对多个工人中的每一个执行批次排序和路线优化;针对多个工人中的每一个确定多个货架的货架放置和总行进距离;根据批次排序、路线优化、货架放置和总行进距离生成多个工人中的每一个的部署计划,该部署计划包括多个工人中的每一个的提取路线和时间表;将部署计划提供给接口,该接口被配置为接收对部署计划的修改;以及在通过接口接收到对部署计划进行部署的指令时,将部署计划提供给多个工人中的每一个的装置。
附图说明
图1示出示例制造环境平面图。
图2示出根据示例实现方式的规划系统与工厂车间交互时的示例。
图3示出根据示例实现方式的可视化系统的示例屏幕截图。
图4(a)和图4(b)示出根据示例实现方式的轨迹的聚合视图的示例屏幕截图。
图5示出根据示例实现方式的接口上的拖放操作的示例屏幕截图。
图6示出根据示例实现方式的批次关联的示例可视化。
图7(a)示出针对批次的零件提取路线的示例,其中线指示基于工人行进以提取零件的距离的不固定路线。图7(b)示出零件提取路线的示例,其中线指示在执行示例实现方式之后工人需要行进的基于固定路线的距离。
图8示出具有适用于示例实现方式的示例计算机装置的示例计算环境。
具体实施方式
以下详细描述提供了本申请的附图和示例实现方式的进一步的细节。为了清晰,附图之间的冗余元件的标号和描述被省略。贯穿说明书使用的术语作为示例提供,并非旨在限制。例如,根据实践本申请的实现方式的本领域普通技术人员的期望实现方式,术语“自动”的使用可涉及全自动或半自动实现方式,其涉及用户或管理者对实现方式的特定方面的控制。可由用户通过用户界面或其它输入手段来进行选择,或者可通过期望的算法来实现选择。如本文所述的示例实现方式可单独使用或者组合使用,并且示例实现方式的功能可根据期望的实现方式通过任何手段来实现。
工厂环境中的问题在于决定零件和架子的哪种组合为工人提供从零件库存区域的最短提取时间以使到组装区域的零件交付吞吐量最大化。附加问题涉及通过使得制造管理者/规划者能够进行更明智的决策以分配足够的(例如,最小限度的)人员而不会中断生产来使整个制造的劳动力成本最小化。
传统上,频繁模式挖掘的最类似应用是市场篮分析。市场篮分析使用频繁序列模式挖掘或关联规则挖掘技术来确定哪些产品应该彼此相邻放置。这在一些方面是与所提出的制造问题类似的问题。本文所描述的示例实现方式在制造的总体目标方面涉及多个差异,其包括使总行进距离最小化,这与超市的通过将不同类别的物品放置在一起并通过增加其计划外的冲动购买来优化布局以增加顾客的行进距离来使利润最大化的目标不同。大多数市场篮分析使用频繁模式挖掘技术,而无需合并领域约束、专家知识或其它环境因素(例如,不同商店的不同布局/容量)。
这些问题在制造行业非常突出,因为生产环境基于生产需求和新产品或者频繁改变需要熟悉动态环境的人员的事件而更频繁地改变。因此,本文所描述的示例实现方式涉及一种系统,其考虑来自领域专家的这些约束并为其提供实时自适应决策能力。另外,市场篮分析没有考虑类似潜在行进路径和顾客拥挤的问题,在制造/仓库环境中这些是更突出的问题,要与物品放置一起解决。因此,本文所描述的示例实现方式还包含类似旅行推销员问题(TSP)求解器的组合优化技术,其改进以用于寻找各个工人的优化行进路线以使行进距离最小化,同时避免工人之间的拥挤/碰撞。
本文所描述的示例实现方式涉及关于在所提出的数据挖掘算法中使用交互可视化以提供实时明智决策能力的领域专家知识和不确定约束。已提出一些使用动画、热图和3D表示的轨迹可视化技术,但它们未聚焦于制造或室内场景。
图1示出示例制造环境平面图。如图1所示,来自库存区域的零件需要及时拿到组装区域以保持生产平稳运行。库存管理的问题在于,每次请求新产品生产(例如,由于基于时间的供需变化)时,重新安排最优库存可能更加困难。此外,在现有技术的实现方式中,生成批次项零件提取清单而没有最优地合并现有库存(项)布局上下文,因此工人最终以不固定的路线(例如,来回多次走到同一通道或货架或部分以提取项)和不固定的时间表(例如,难以预测确切提取时间,因为在没有固定路线的情况下不同的员工将不同地提取项)提取项。
图2示出根据示例实现方式的规划系统与工厂车间交互时的示例。如图2所示,现有工厂库存规划通过遵循所描述的操作而被集成到规划系统中。示例实现方式提供AI启用规划和可视化组件以帮助制造规划者根据制造工厂中的实时要求或约束进行更明智的决策。
如图2所示,规划系统205与工厂车间交互,工厂车间可涉及制造规划者200、制造和库存管理系统201、提货单客户端应用202、零件提货工人203和交付工人204。
制造规划者200监督工厂车间的操作并在220利用规划系统205基于市场需求(例如,每月、每季度、每年)制订制造计划。在221,计划被输入到规划系统205中以便于在接口上可视化。在222,由规划系统205提供交互可视化接口以允许制造规划者200根据管理者的领域知识改进结果。
在210,规划系统205执行对工厂车间的多个工人进行批次重排序和路线优化的处理。在211,规划系统205执行货架放置和总行进距离计算算法。在212,规划系统205基于频繁模式集、个别项频率、货架内的优先级以及其它约束来执行货架填充。在213,规划系统205从制造和库存管理系统的数据库的结果修正批次的频繁模式。
制造和库存管理系统201是包括用于管理工厂车间的数据的数据库的系统,例如企业资源规划(ERP)系统。在231,制造和库存管理系统201将制造计划存储到数据库(DB)。在232,制造和库存管理系统201从数据库提取每日制造计划,其从规划系统205通过批次重排序和路线优化210进行优化。然后依据基于批次的任务和基于零件的任务执行每日任务。对于基于批次的任务,在233,管理系统201提取用于单个批次的零件提货清单并将其发送到客户端应用202。对于基于零件的任务,在234,管理系统201基于从客户端应用202接收的零件数据减少库存数量,并在235将交付结果发送到数据库,同时向规划系统205提供反馈以修正批次的频繁模式。
提货单客户端应用202是在零件提货工人203的装置上执行以告知零件提货工人203当天要以何种顺序获得的零件清单的应用。提货单客户端应用包括显示清单240,其显示当天要以何种顺序提取的零件清单。提货单客户端应用202还在241从提取的零件的扫描条形码253获得零件数据并将信息提供给管理系统201以在234减少库存数量。当零件提货工人203完成一天的零件提货时,零件提货工人203将在242在提货单客户端应用202中报告零件提货完成,这被报告给管理系统201以结束该工人那一天的处理。
工厂车间将包括一个或更多个零件提货工人203。本文所描述的示例实现方式涉及提供零件提货的有效路线和清单以减少零件提货工人203的数量,从而节省劳动力成本。在本文所描述的示例实现方式中,零件提货工人203利用提货单客户端应用202来显示清单240,其中,零件提货工人203相应地开始零件提货处理。在251,零件提货工人203将走到指定的架子,并且在252,零件提货工人203提取零件。在253,零件提货工人203扫描其提取的零件,其作为零件数据241被馈送到客户端应用202中。如果有更多零件要提货,则零件提货工人203进行到清单上的下一条目并走到下一架子,否则他们在254停止提货。在255,在指定的零件被提货并装箱之后,零件提货工人203将箱发送给交付工人204并在242在客户端应用202中报告零件提货处理完成。
工厂车间还将包括一个或更多个交付工人204,其将拿走零件提货工人203所提供的箱并在260将它们装到推车,然后在261在适当时间将箱交付到组装区域。
路线优化
在本文所描述的示例实现方式中,利用三阶段方法。在第一阶段,示例实现方式通过对零件交付数据库应用诸如FPMax算法的算法来挖掘频繁最大项集,以确定:(a)频繁封闭项集-具有相同支持的适当超集中不包括的频繁项集;以及(b)频繁最大项集-作为频繁项集的适当超集中不包括的频繁项集。示例实现方式使大量冗余频繁模式最小化并确定横跨各种生产场景频繁地一起使用的可放置在一起的最大项数。
一旦确定这些频繁最大项集,示例实现方式基于其长度(例如,模式中的独特项数)对项集进行排序并随着从其它频繁模式移除已选项(例如,基于项被放置在一个位置中的约束)迭代地修正其它模式的支持。因此,继而,示例实现方式迭代地改进所发现的模式支持和长度,直至所有项被消耗为止。
在示例实现方式中,可合并项级约束,同时基于个别项频率(假设项集内的高频繁项可能比项集中的其它项更经常使用)将它们连同其紧密关联的项一起放置在货架中。此外,在示例实现方式中可通过假设与货架的下部或上部相比更容易从货架的中部提取项来选择这些高优先级项在货架内的放置位置。
在第二阶段,示例实现方式识别货架的最优放置位置,使得它们具有使得不管不同的生产,工人行进以提取零件的总距离保持最小的频繁项分布。另外,示例实现方式合并了同时工作以提取库存项的多个工人不会使路线拥挤的约束。这些优化确保了并非所有最频繁项货架都放置在一起并且不受信任,从而允许多个工人有效地走动而不会使得用于提取项的通道、货架或部分拥挤。
为了解决上述问题并使行进距离最小化,示例实现方式利用平面图并生成将所有货架之间的曼哈顿(Manhattan)距离组合的混合距离(因为这些货架大多数以块模式布置)并加上与在这些货架之间变更所需的货架通道数相乘的阈值距离,以得到行进距离的更精确的近似。可基于合并具有与库存地图不同的布局和行或列大小的实际平面图将这些代表性距离转换为真实距离。因此,示例实现方式可适用于任何不同的库存布局。
然后在第三阶段,示例实现方式依据货架内的项放置信息以及所计算的货架之间的距离来合并库存上下文,以生成各个批次的提取项的有序清单。此外,示例实现方式为各个工人生成独特提取清单以避免在提取批次的类似项时碰撞或拥挤。继而,示例实现方式生成固定的项提取路线和项提取的近似固定的时间表,以优化从库存收集项并将其发送到组装线的整个操作。
除了所提出的利用最优货架和项放置算法为各个工人计算独特路线的方法之外,本文所描述的示例实现方式还借助可视化提供制造管理者合并其专家知识和领域知识以及实时约束,继而在管理者与视觉系统交互的同时提供分析结果。
图3示出根据示例实现方式的可视化系统的示例屏幕截图。如图3所示,系统显示所选日期的批次的概览和详细视图,以及具有实际采取的所选轨迹及其优化的工厂平面地图301。这些视图交互地链接,并且平面地图以缩放和摇摄交互支持多尺度探索。其它微件可包括在工厂车间302上所采取的动作(交付时间、提取时间等)以及每日批次规划303。
图4(a)和图4(b)示出根据示例实现方式的轨迹的聚合视图的示例屏幕截图。除了查看个别优化轨迹之外,管理者可获得具有所选时间范围的所有优化轨迹的聚合视图。如图4(a)和图4(b)(顶部)所示,轨迹段的频率被映射到灰度,较深的颜色指示较高的频率,然而也可根据期望的实现方式使用颜色方案(例如,黄色到红色)。从该可视化,管理者可调查工厂的哪些零件频繁被工人浏览,因此更全面了解工人的行为和生产率。一旦从接口选择,管理者可进一步探索图4(b)中由虚线指示的个别轨迹。
图5示出根据示例实现方式的接口上的拖放操作的示例屏幕截图。基于管理者的领域知识,管理者可如图5所示利用拖放交互地重新安排批次。例如,假如管理者发现某些项由于其大小或其它潜在危险而无法随一些其它项放置,则管理者可使用可视化来更改所生成的项放置结果并将该项重新安排到其它合适的货架。然后,示例实现方式将通过将这些更改与先前安排相比在总行进距离方面反映这些更改。一旦确定新的位置,系统重新运行分析并更新轨迹的聚合可视化。可使用系统保存并比较不同的放置,从而允许通过评估其优点和缺点来交互试验不同的计划。
类似地,如果由于某事故或事件导致库存中的某些行或列无法访问,则管理者可与可视化系统交互将其封闭,并且系统将基于约束反映新行进距离自动地为各个工人重新生成固定路径和时间表以用于零件提取。通过这些示例实现方式,管理者可基于情况每次进行明智决策并改进规划以进行平稳生产操作。
除了轨迹的聚合可视化之外,可帮助管理者评估批次的不同放置的另一信息是基于工人提取的零件的批次关联。图6示出根据示例实现方式的批次关联的示例可视化。如图6所示,管理者选择批次(由光标箭头示出),并且所有关联的批次可用颜色编码(例如,黄色到红色尺度,其中红色表示更多零件随所选批次中的那些一起提取),或者用灰度编码(例如,浅到深,其中深表示更多零件被提取)。不与所选批次关联的批次的颜色较深(例如,灰色)。基于该关联图,管理者可获得批次放置的更深入的视图,因此帮助管理者基于算法输出进一步优化解。
在示例实现方式中,库存零件提取数据被实现于数据库中,各个条目指示项标识符(ID)、数量、货架布局、提取时间、项位置以及指示项是一起交付的项组的一部分的批号。各个批次需要被交付到组装线。
在本文所描述的示例实现方式的实验测试实现方式中,测试与具有9444个批次的数据库关联的工厂,然后基于同时工作以执行零件提取任务的工人的数量(例如,一次少于2个工人)以及提取时间约束(例如,一项花费超过5分钟)来过滤数据集。过滤的数据集是3124批次的信息。
根据示例实现方式应用FPmax模式挖掘得到具有351个不同项的105个模式的总频繁封闭最大项集(每模式平均项数:6.5,标准差:6.6,方差:44)。为了识别基线改进,考虑工厂的货架和项的现有放置。然后,合并现有布局上下文以生成项的有序清单,然后应用旅行推销员问题(TSP)解以寻找高效路线。对于给定数据集,货架位置的最大数量为20个。在测试实现方式中,当位置的数量少于7时,应用蛮力TSP算法以获得优化路径。在其它情况下,应用贪婪TSP算法以获得准优化路径。利用这种基线方法,示例实现方式对于过滤的数据集能够实现总行进距离的12%减少(工人的原始总行进距离为202352米,在应用基线方法之后,总行进距离减少到177610米)。尽管现有基线结果对于以其现有货架和项设置增强工厂的效率会非常有用,但示例实现方式通过利用最优项放置和货架布置的结果在测试实现方式中进一步增强工厂的效率。示例实现方式可在减少总行进距离方面提供更高效的解决方案,继而以用于零件提取的更精确的固定路线和固定安排时间降低劳动力成本。
图7(a)示出针对批次的零件提取路线的示例,其中线指示基于工人行进以提取零件的距离的不固定路线。图7(b)示出零件提取路线的示例,其中线指示在执行示例实现方式之后工人需要行进的基于固定路线的距离。
图8示出具有适用于示例实现方式的示例计算机装置的示例计算环境,例如用于管理制造车间的管理系统和/或工人的具有从管理系统接收指令的应用的装置。计算环境800中的计算机装置805可包括一个或更多个处理单元、核或处理器810、存储器815(例如,RAM、ROM等)、内部存储装置820(例如,磁、光学、固态存储装置和/或有机)和/或I/O接口825,其中任一个可联接在用于通信信息的通信机构或总线830上或嵌入在计算机装置805中。
计算机装置805可在通信上联接到输入/用户接口835和输出装置/接口840。输入/用户接口835和输出装置/接口840中的任一者或两者可以是有线或无线接口并且可为可拆卸的。输入/用户接口835可包括可用于提供输入的任何装置、组件、传感器或接口(物理的或虚拟的)(例如,按钮、触摸屏接口、键盘、指点/光标控制、麦克风、相机、盲文、运动传感器、光学读取器等)。输出装置/接口840可包括显示器、电视、监视器、打印机、扬声器、盲文等。在一些示例实现方式中,输入/用户接口835和输出装置/接口840可被嵌入或物理联接到计算机装置805。在其它示例实现方式中,其它计算机装置可用作或提供用于计算机装置805的输入/用户接口835和输出装置/接口840的功能。在涉及触摸屏显示器、电视显示器或任何其它形式的显示器的示例实现方式中,显示器被配置为提供如例如图1和图3至图7(b)所示的用户界面。
计算机装置805的示例可包括(但不限于)高度移动装置(例如,智能电话、车辆和其它机器中的装置、人和动物携带的装置等)、移动装置(例如,平板、笔记本、膝上型计算机、个人计算机、便携式电视、收音机等)以及不是为移动性设计的装置(例如,台式计算机、其它计算机、信息亭、嵌入有和/或联接有一个或更多个处理器的电视、收音机等)。
计算机装置805可(例如,经由I/O接口825)在通信上联接到外部存储装置845和网络850以用于与任何数量的联网组件、装置和系统通信,包括相同或不同配置的一个或更多个计算机装置。计算机装置805或任何连接的计算机装置可用作、提供其服务或被称为服务器、客户端、精简服务器、通用机器、专用机器或另一标签。
I/O接口825可包括(但不限于)使用任何通信或I/O协议或标准(例如,以太网、802.11x、通用系统总线、WiMax、调制解调器、蜂窝网络协议等)以用于至少向和/或从计算环境800中的所有连接的组件、装置和网络通信信息的有线和/或无线接口。网络850可以是任何网络或网络组合(例如,互联网、局域网、广域网、电话网络、蜂窝网络、卫星网络等)。
计算机装置805可使用计算机可用或计算机可读介质(包括暂时性介质和非暂时性介质)和/或使用其通信。暂时性介质包括传输介质(例如,金属线缆、光纤)、信号、载波等。非暂时性介质包括磁介质(例如,磁盘和磁带)、光学介质(例如,CD ROM、数字视频盘、蓝光盘)、固态介质(例如,RAM、ROM、闪存、固态存储装置)以及其它非易失性存储装置或存储器。
计算机装置805可用于在一些示例计算环境中实现技术、方法、应用、处理或计算机可执行指令。计算机可执行指令可从暂时性介质检索,以及被存储在非暂时性介质上并从其检索。可执行指令可源自任何编程、脚本和机器语言(例如,C、C++、C#、Java、VisualBasic、Python、Perl、JavaScript等)中的一个或更多个。
存储器815可被配置为存储或管理要由处理器810执行的算法,如例如图2按照流程描述的。根据期望的实现方式,如本文所描述的示例实现方式可单独地进行或者彼此按照任何组合进行,不限于特定示例实现方式。
处理器810可在本机或虚拟环境中的任何操作系统(OS)(未示出)下执行。可部署一个或更多个应用,其包括逻辑单元860、应用编程接口(API)单元865、输入单元870、输出单元875以及用于不同单元彼此通信、与OS通信以及与其它应用通信的单元间通信机制895(未示出)。所描述的单元和元件的设计、功能、配置或实现方式可变化,不限于所提供的描述。处理器810可以是被配置为执行从存储器815加载的指令的物理处理器或中央处理单元(CPU)的形式。
在一些示例实现方式中,当通过API单元865接收到信息或执行指令时,可将其通信到一个或更多个其它单元(例如,逻辑单元860、输入单元870、输出单元875)。在一些情况下,在上述一些示例实现方式中,逻辑单元860可被配置为控制单元之间的信息流并引导由API单元865、输入单元870、输出单元875提供的服务。例如,一个或更多个处理或实现方式的流程可由逻辑单元860单独控制或结合API单元865控制。输入单元870可被配置为获得示例实现方式中所描述的计算的输入,输出单元875可被配置为提供基于示例实现方式中所描述的计算的输出。
在示例实现方式中,处理器810被配置为:在包括与多个货架关联的多个批次的制造车间上对多个工人中的每一个执行批次排序和路线优化;针对多个工人中的每一个确定多个货架的货架放置和总行进距离;根据批次排序、路线优化、货架放置和总行进距离生成多个工人中的每一个的部署计划,该部署计划包括多个工人中的每一个的提取路线和时间表;将部署计划提供给接口,该接口被配置为接收对部署计划的修改;以及在通过接口接收到对部署计划进行部署的指令时,将部署计划提供给多个工人中的每一个的装置,如图2的规划系统205和规划者200的流程图中所示。
处理器810可被配置为基于频繁模式集、个别项频率和货架内的优先级来生成货架填充计划,其中,频繁模式集是根据从数据库接收的多个批次的历史数据的反馈推导的,数据库从多个工人中的每一个的装置取得数据,如图2的规划系统205和规划者200的流程图中所示。
处理器810可被配置为通过针对货架放置基于批次排序和路线优化识别多个货架中的使总行进距离最小化的货架来确定货架放置和总行进距离;其中,处理器810被配置为生成部署计划,这包括基于频繁模式集、个别项频率和多个货架中的所识别的使总行进距离最小化的货架内的优先级来生成多个货架中的所识别的货架的项交付的时间表,如图2的规划系统205和规划者200的流程图中所示。
此外,处理器810可被配置为基于从多个工人中的每一个的装置接收的数据来修正频繁模式集,并基于修正的频繁模式集来更新多个货架中的所识别的货架的项交付的时间表,如图2的规划系统205和规划者200的流程图中所示。
处理器810可被配置为:通过对关联以要交付的项的数据库应用FP-Max算法来执行批次排序和路线优化以确定频繁最大项集;基于长度对频繁最大项集进行排序;从排序的频繁最大项集移除已选项;并改进频繁最大项集直至所有项被分布到多个批次;并采用排序和改进的频繁最大项集中的频繁最大项集进行批次排序,如图2的规划系统205和规划者200的流程图中所示。
处理器810可被配置为响应于通过接口接收到一个或更多个约束:基于所述一个或更多个约束更新多个工人中的每一个的批次排序和路线优化;基于所述一个或更多个约束更新多个工人中的每一个的货架放置和总行进距离;并且基于对批次排序、路线优化、货架放置和总行进距离的更新来修改部署计划,如图2的规划系统205和规划者200的流程图中所示。
依据计算机内的操作的算法和符号表示来呈现详细描述的一些部分。这些算法描述和符号表示是由数据处理领域的技术人员用来将其创新本质传达给本领域技术人员的手段。算法是导致期望的最终状态或结果的一系列定义的步骤。在示例实现方式中,所执行的步骤需要有形量的物理操纵以实现有形结果。
除非另外具体地说明,从讨论显而易见,将理解,贯穿说明书,利用诸如“处理”、“计算”、“确定”、“显示”等的术语的讨论可包括计算机系统或其它信息处理装置的动作和处理,其将计算机系统的寄存器和存储器内表示为物理(电子)量的数据操纵和变换成计算机系统的存储器或寄存器或其它信息存储、传输或显示装置内类似地表示为物理量的其它数据。
示例实现方式还可涉及用于执行本文中的操作的设备。该设备可以是为所需目的而专门构造的,或者它可包括由一个或更多个计算机程序选择性地激活或重新配置的一个或更多个通用计算机。这些计算机程序可被存储在诸如计算机可读存储介质或计算机可读信号介质的计算机可读介质中。计算机可读存储介质可涉及有形介质,例如(但不限于)光盘、磁盘、只读存储器、随机存取存储器、固态装置和驱动器、或者适合于存储电子信息的任何其它类型的有形或非暂时性介质。计算机可读信号介质可包括诸如载波的介质。本文中所呈现的算法和显示并非固有地与任何特定计算机或其它设备有关。计算机程序可涉及纯软件实现方式,其涉及执行期望的实现方式的操作的指令。
各种通用系统可与根据本文中的示例的程序和模块一起使用,或者可证明构造更专用的设备以执行期望的方法步骤是方便的。另外,未参考任何特定编程语言描述示例实现方式。将理解,可使用各种编程语言来实现如本文中所描述的示例实现方式的教导。编程语言的指令可由一个或更多个处理装置(例如,中央处理单元(CPU)、处理器或控制器)执行。
如本领域中已知的,上述操作可由硬件、软件或软件和硬件的某种组合来执行。示例实现方式的各方面可使用电路和逻辑装置(硬件)来实现,而其它方面可使用存储在机器可读介质上的指令(软件)来实现,其如果由处理器执行,将使得处理器执行完成本申请的实现方式的方法。此外,本申请的一些示例实现方式可仅在硬件中执行,而其它示例实现方式可仅在软件中执行。此外,所描述的各种功能可在单个单元中执行,或者可按照任何数量的方式横跨若干组件分布。当由软件执行时,所述方法可基于存储在计算机可读介质上的指令由诸如通用计算机的处理器执行。如果期望,指令可按照压缩和/或加密格式存储在介质上。
此外,考虑到说明书和本申请的教导的实践,对于本领域技术人员而言本申请的其它实施方式将显而易见。所描述的示例实现方式的各方面和/或组件可单独地使用或按照任何组合使用。说明书和示例实现方式旨在仅被视为示例,本申请的真实范围和精神由所附权利要求指示。
Claims (18)
1.一种方法,该方法包括以下步骤:
在包括与多个货架关联的多个批次的制造车间上对多个工人中的每一个执行批次排序和路线优化;
针对所述多个工人中的每一个确定所述多个货架的货架放置和总行进距离;
根据所述批次排序、所述路线优化、所述货架放置和所述总行进距离为所述多个工人中的每一个生成部署计划,该部署计划包括所述多个工人中的每一个的提取路线和时间表;
将所述部署计划提供给接口,该接口被配置为接收对所述部署计划的修改;以及
在通过所述接口接收到对所述部署计划进行部署的指令时,将所述部署计划提供给所述多个工人中的每一个的装置。
2.根据权利要求1所述的方法,该方法还包括以下步骤:基于频繁模式集、个别项频率和货架内的优先级来生成货架填充计划,其中,所述频繁模式集是根据从数据库接收的所述多个批次的历史数据的反馈推导的,该数据库从所述多个工人中的每一个的所述装置取得数据。
3.根据权利要求1所述的方法,其中,确定所述货架放置和所述总行进距离的步骤包括以下步骤:针对所述货架放置,基于所述批次排序和路线优化来识别所述多个货架中的使所述总行进距离最小化的货架;
其中,生成所述部署计划的步骤包括以下步骤:基于频繁模式集、个别项频率和所述多个货架中的所识别的使所述总行进距离最小化的货架内的优先级来生成所述多个货架中的所识别的货架的项交付的时间表。
4.根据权利要求3所述的方法,该方法还包括以下步骤:基于从所述多个工人中的每一个的所述装置接收的数据来修正所述频繁模式集,并且基于所修正的频繁模式集来更新所述多个货架中的所识别的货架的项交付的所述时间表。
5.根据权利要求1所述的方法,其中,执行所述批次排序和所述路线优化的步骤包括以下步骤:
对关联以要交付的项的数据库应用FP-Max算法以确定频繁最大项集;
基于长度对所述频繁最大项集进行排序;
从所排序的频繁最大项集移除已选项;
改进所述频繁最大项集,直至所有项被分布到所述多个批次;以及
采用所排序和改进的频繁最大项集中的频繁最大项集进行所述批次排序。
6.根据权利要求1所述的方法,该方法还包括响应于通过所述接口接收到一个或更多个约束:
基于所述一个或更多个约束来为所述多个工人中的每一个更新所述批次排序和所述路线优化;
基于所述一个或更多个约束来为所述多个工人中的每一个更新所述货架放置和所述总行进距离;以及
基于对所述批次排序、所述路线优化、所述货架放置和所述总行进距离的更新来修改所述部署计划。
7.一种存储用于执行处理的指令的非暂时性计算机可读介质,所述指令包括:
在包括与多个货架关联的多个批次的制造车间上对多个工人中的每一个执行批次排序和路线优化;
针对所述多个工人中的每一个确定所述多个货架的货架放置和总行进距离;
根据所述批次排序、所述路线优化、所述货架放置和所述总行进距离为所述多个工人中的每一个生成部署计划,该部署计划包括所述多个工人中的每一个的提取路线和时间表;
将所述部署计划提供给接口,该接口被配置为接收对所述部署计划的修改;以及
在通过所述接口接收到对所述部署计划进行部署的指令时,将所述部署计划提供给所述多个工人中的每一个的装置。
8.根据权利要求7所述的非暂时性计算机可读介质,所述指令还包括基于频繁模式集、个别项频率和货架内的优先级来生成货架填充计划,其中,所述频繁模式集是根据从数据库接收的所述多个批次的历史数据的反馈推导的,该数据库从所述多个工人中的每一个的所述装置取得数据。
9.根据权利要求7所述的非暂时性计算机可读介质,其中,确定所述货架放置和所述总行进距离包括:针对所述货架放置,基于所述批次排序和路线优化来识别所述多个货架中的使所述总行进距离最小化的货架;
其中,生成所述部署计划包括:基于频繁模式集、个别项频率和所述多个货架中的所识别的使所述总行进距离最小化的货架内的优先级来生成所述多个货架中的所识别的货架的项交付的时间表。
10.根据权利要求9所述的非暂时性计算机可读介质,所述指令还包括:基于从所述多个工人中的每一个的所述装置接收的数据来修正所述频繁模式集,并且基于所修正的频繁模式集来更新所述多个货架中的所识别的货架的项交付的所述时间表。
11.根据权利要求7所述的非暂时性计算机可读介质,其中,执行所述批次排序和所述路线优化包括:
对关联以要交付的项的数据库应用FP-Max算法以确定频繁最大项集;
基于长度对所述频繁最大项集进行排序;
从所排序的频繁最大项集移除已选项;
改进所述频繁最大项集,直至所有项被分布到所述多个批次;以及
采用所排序和改进的频繁最大项集中的频繁最大项集进行所述批次排序。
12.根据权利要求7所述的非暂时性计算机可读介质,所述指令还包括响应于通过所述接口接收到一个或更多个约束:
基于所述一个或更多个约束来为所述多个工人中的每一个更新所述批次排序和所述路线优化;
基于所述一个或更多个约束来为所述多个工人中的每一个更新所述货架放置和所述总行进距离;以及
基于对所述批次排序、所述路线优化、所述货架放置和所述总行进距离的更新来修改所述部署计划。
13.一种管理系统,该管理系统包括:
处理器,该处理器被配置为:
在包括与多个货架关联的多个批次的制造车间上对多个工人中的每一个执行批次排序和路线优化;
针对所述多个工人中的每一个确定所述多个货架的货架放置和总行进距离;
根据所述批次排序、所述路线优化、所述货架放置和所述总行进距离为所述多个工人中的每一个生成部署计划,该部署计划包括所述多个工人中的每一个的提取路线和时间表;
将所述部署计划提供给接口,该接口被配置为接收对所述部署计划的修改;并且
在通过所述接口接收到对所述部署计划进行部署的指令时,将所述部署计划提供给所述多个工人中的每一个的装置。
14.根据权利要求13所述的管理系统,其中,所述处理器被配置为基于频繁模式集、个别项频率和货架内的优先级来生成货架填充计划,其中,所述频繁模式集是根据从数据库接收的所述多个批次的历史数据的反馈推导的,该数据库从所述多个工人中的每一个的所述装置取得数据。
15.根据权利要求13所述的管理系统,其中,所述处理器被配置为通过针对所述货架放置基于所述批次排序和路线优化识别所述多个货架中的使所述总行进距离最小化的货架来确定所述货架放置和所述总行进距离;
其中,所述处理器被配置为生成所述部署计划,这包括基于频繁模式集、个别项频率和所述多个货架中的所识别的使所述总行进距离最小化的货架内的优先级来生成所述多个货架中的所识别的货架的项交付的时间表。
16.根据权利要求15所述的管理系统,所述处理器被配置为基于从所述多个工人中的每一个的所述装置接收的数据来修正所述频繁模式集,并且基于所修正的频繁模式集来更新所述多个货架中的所识别的货架的项交付的所述时间表。
17.根据权利要求13所述的管理系统,其中,所述处理器被配置为通过以下操作来执行所述批次排序和所述路线优化:
对关联以要交付的项的数据库应用FP-Max算法以确定频繁最大项集;
基于长度对所述频繁最大项集进行排序;
从所排序的频繁最大项集移除已选项;
改进所述频繁最大项集,直至所有项被分布到所述多个批次;以及
采用所排序和改进的频繁最大项集中的频繁最大项集进行所述批次排序。
18.根据权利要求13所述的管理系统,所述处理器还被配置为响应于通过所述接口接收到一个或更多个约束:
基于所述一个或更多个约束来为所述多个工人中的每一个更新所述批次排序和所述路线优化;
基于所述一个或更多个约束来为所述多个工人中的每一个更新所述货架放置和所述总行进距离;并且
基于对所述批次排序、所述路线优化、所述货架放置和所述总行进距离的更新来修改所述部署计划。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/246,792 | 2019-01-14 | ||
US16/246,792 US11113638B2 (en) | 2019-01-14 | 2019-01-14 | Optimized parts pickup list and routes for efficient manufacturing using frequent pattern mining and visualization |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111435474A true CN111435474A (zh) | 2020-07-21 |
CN111435474B CN111435474B (zh) | 2024-01-09 |
Family
ID=71517152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911346093.2A Active CN111435474B (zh) | 2019-01-14 | 2019-12-24 | 优化零件提取清单和路线的方法、系统和计算机可读介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11113638B2 (zh) |
JP (1) | JP2020113276A (zh) |
CN (1) | CN111435474B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114435508A (zh) * | 2020-10-19 | 2022-05-06 | 丰田自动车株式会社 | 无人运输系统 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022115679A1 (en) * | 2020-11-27 | 2022-06-02 | Thomas Francis | Order fulfillment using store sections |
US20220253767A1 (en) * | 2021-02-09 | 2022-08-11 | Verizon Patent And Licensing Inc. | Computerized system and method for dynamic task management and execution |
CN116611769B (zh) * | 2023-07-19 | 2024-06-14 | 杭州吉客云网络技术有限公司 | 订单聚合方法、装置、计算机设备及存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7218982B1 (en) * | 2004-11-30 | 2007-05-15 | Honda Motor Co., Ltd. | System and method for requesting delivery of sequenced parts |
US20100218131A1 (en) * | 2009-02-23 | 2010-08-26 | Microsoft Corporation | Multiple views of multi-dimensional warehouse layout |
CN102591900A (zh) * | 2010-11-18 | 2012-07-18 | 王彦尧 | 快速寻找高效用项目集的数据挖掘演算方法 |
CN102725703A (zh) * | 2009-11-30 | 2012-10-10 | 埃克森美孚研究工程公司 | 用于优化散装产品混合和包装车间的性能指标的方法和装置 |
US20140336814A1 (en) * | 2013-05-08 | 2014-11-13 | Dematic Corp. | Mobile picking method |
US20150006230A1 (en) * | 2013-06-28 | 2015-01-01 | Canon Kabushiki Kaisha | Article processing apparatus, generating method, and computer-readable storage medium |
CN104573905A (zh) * | 2013-10-17 | 2015-04-29 | 国际商业机器公司 | 生成工作产品的方法和装置 |
US20150120514A1 (en) * | 2013-10-31 | 2015-04-30 | International Business Machines Corporation | Logistics management system for determining pickup routes for retail stores |
CN106682860A (zh) * | 2016-12-30 | 2017-05-17 | 深圳天珑无线科技有限公司 | 物料分单方法及装置 |
CN107643085A (zh) * | 2017-09-18 | 2018-01-30 | 苏州大学 | 一种路径推荐方法与装置 |
WO2018091428A1 (fr) * | 2016-11-16 | 2018-05-24 | Savoye | Procédé de séquencement de charges dans un système de distribution automatisé |
CN108197787A (zh) * | 2017-12-22 | 2018-06-22 | 上海海得控制系统股份有限公司 | 柔性自动化生产线和自动化物流输送线的协同调度系统 |
US20180330316A1 (en) * | 2017-05-11 | 2018-11-15 | Walmart Apollo, Llc | Systems and Methods for Fulfilment Design & Optimization |
CN108921327A (zh) * | 2018-06-06 | 2018-11-30 | 北京极智嘉科技有限公司 | 应用于货到人系统的货架搬运方法、装置及系统 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7561884B2 (en) * | 2005-09-30 | 2009-07-14 | Meshnetworks, Inc. | System and method for automated tracking of assets using location measurements and ad-hoc routing algorithms |
US20090307265A1 (en) * | 2008-06-06 | 2009-12-10 | Exel Inc. | Method of operating a warehouse |
JP5356349B2 (ja) * | 2010-09-30 | 2013-12-04 | 日立建機株式会社 | 建設機械の排気装置 |
US20140156553A1 (en) * | 2012-11-30 | 2014-06-05 | Lightspeed Automation Llc | Systems and Methods for Fulfilling Orders |
US20140279294A1 (en) * | 2013-03-14 | 2014-09-18 | Nordstrom, Inc. | System and methods for order fulfillment, inventory management, and providing personalized services to customers |
US20180025460A1 (en) * | 2015-02-20 | 2018-01-25 | Hitachi Transport System, Ltd. | Warehouse Management System, Warehouse, and Warehouse Management Method |
AU2016331066B2 (en) * | 2015-09-29 | 2022-05-26 | Lineage Logistics, LLC | Warehouse rack space optimization |
US10515082B2 (en) * | 2016-09-14 | 2019-12-24 | Salesforce.Com, Inc. | Identifying frequent item sets |
US10832209B2 (en) * | 2018-02-26 | 2020-11-10 | Walmart Apollo, Llc | Systems and methods for rush order fulfilment optimization |
US20190303819A1 (en) * | 2018-04-03 | 2019-10-03 | Portable Intelligence Inc. | Systems, methods and apparatus for workflow optimization for use in manufacturing, storage and other applications |
US10678228B2 (en) * | 2018-04-04 | 2020-06-09 | Invia Robotics, Inc. | Autonomous robots performing concerted operation based on shared sensory access and holistic flow of information |
US11092973B2 (en) * | 2018-09-28 | 2021-08-17 | Invia Robotics, Inc. | Coordinated operation of autonomous robots |
-
2019
- 2019-01-14 US US16/246,792 patent/US11113638B2/en active Active
- 2019-12-24 CN CN201911346093.2A patent/CN111435474B/zh active Active
-
2020
- 2020-01-14 JP JP2020003940A patent/JP2020113276A/ja active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7218982B1 (en) * | 2004-11-30 | 2007-05-15 | Honda Motor Co., Ltd. | System and method for requesting delivery of sequenced parts |
US20100218131A1 (en) * | 2009-02-23 | 2010-08-26 | Microsoft Corporation | Multiple views of multi-dimensional warehouse layout |
CN102725703A (zh) * | 2009-11-30 | 2012-10-10 | 埃克森美孚研究工程公司 | 用于优化散装产品混合和包装车间的性能指标的方法和装置 |
CN102591900A (zh) * | 2010-11-18 | 2012-07-18 | 王彦尧 | 快速寻找高效用项目集的数据挖掘演算方法 |
US20140336814A1 (en) * | 2013-05-08 | 2014-11-13 | Dematic Corp. | Mobile picking method |
US20150006230A1 (en) * | 2013-06-28 | 2015-01-01 | Canon Kabushiki Kaisha | Article processing apparatus, generating method, and computer-readable storage medium |
CN104573905A (zh) * | 2013-10-17 | 2015-04-29 | 国际商业机器公司 | 生成工作产品的方法和装置 |
US20150120514A1 (en) * | 2013-10-31 | 2015-04-30 | International Business Machines Corporation | Logistics management system for determining pickup routes for retail stores |
WO2018091428A1 (fr) * | 2016-11-16 | 2018-05-24 | Savoye | Procédé de séquencement de charges dans un système de distribution automatisé |
CN106682860A (zh) * | 2016-12-30 | 2017-05-17 | 深圳天珑无线科技有限公司 | 物料分单方法及装置 |
US20180330316A1 (en) * | 2017-05-11 | 2018-11-15 | Walmart Apollo, Llc | Systems and Methods for Fulfilment Design & Optimization |
CN107643085A (zh) * | 2017-09-18 | 2018-01-30 | 苏州大学 | 一种路径推荐方法与装置 |
CN108197787A (zh) * | 2017-12-22 | 2018-06-22 | 上海海得控制系统股份有限公司 | 柔性自动化生产线和自动化物流输送线的协同调度系统 |
CN108921327A (zh) * | 2018-06-06 | 2018-11-30 | 北京极智嘉科技有限公司 | 应用于货到人系统的货架搬运方法、装置及系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114435508A (zh) * | 2020-10-19 | 2022-05-06 | 丰田自动车株式会社 | 无人运输系统 |
Also Published As
Publication number | Publication date |
---|---|
JP2020113276A (ja) | 2020-07-27 |
CN111435474B (zh) | 2024-01-09 |
US20200226505A1 (en) | 2020-07-16 |
US11113638B2 (en) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111435474B (zh) | 优化零件提取清单和路线的方法、系统和计算机可读介质 | |
CN113344338B (zh) | 生产排程方法、系统、设备及介质、生产排程管理平台 | |
Núñez-Merino et al. | Information and digital technologies of Industry 4.0 and Lean supply chain management: a systematic literature review | |
US10955992B2 (en) | System and methods for implementing visual interface for use in sorting and organizing records | |
Dai et al. | Radio frequency identification-enabled real-time manufacturing execution system: a case study in an automotive part manufacturer | |
Leung et al. | An integrated online pick-to-sort order batching approach for managing frequent arrivals of B2B e-commerce orders under both fixed and variable time-window batching | |
US8620716B2 (en) | Computer system and method for detecting and processing changes in data | |
US20190156357A1 (en) | Advanced computational prediction models for heterogeneous data | |
US20150294395A1 (en) | Logistics management system for determining pickup routes for retail stores | |
US20210158259A1 (en) | Orchestrated intelligent supply chain optimizer | |
US20140136255A1 (en) | Dynamic Task Management | |
US11386373B2 (en) | Work management device, work management method, and program storage medium | |
CN111915410A (zh) | 面向高动态生产物流过程的智能管控系统 | |
US20170236082A1 (en) | System and methods for real time display of supply chain and data processing of related tasks and events | |
US20160125345A1 (en) | Systems, devices, and methods for determining an operational health score | |
US10346784B1 (en) | Near-term delivery system performance simulation | |
Poon et al. | A real-time production operations decision support system for solving stochastic production material demand problems | |
JP2019075016A (ja) | 在庫管理装置及び在庫管理方法 | |
Meisel et al. | The design of Make-to-Order supply networks under uncertainties using simulation and optimisation | |
CN110378546A (zh) | 用于生成信息的方法和装置 | |
CN106560850B (zh) | 计划生成装置以及计划生成方法 | |
US11816752B2 (en) | Image-based analytics of supply chain optimization problems | |
Moon et al. | R&D framework for an intelligent fabric sample management system: a design science approach | |
Wasesa et al. | Relocating a multiple-tenants logistics center: Lesson learned from an air cargo terminal relocation project | |
US11853938B1 (en) | System and method of reinforced machine-learning retail allocation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB02 | Change of applicant information |
Address after: Tokyo, Japan Applicant after: Fuji film business innovation Co.,Ltd. Address before: Tokyo, Japan Applicant before: Fuji Xerox Co.,Ltd. |
|
CB02 | Change of applicant information | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |